Публикации

Методы менеджмента качества/08 2023

В.О. Щербинин, Ф.Ю. Королёв, Д.И. Цвиркунов

Производительность труда — одна из главных характеристик как эффективности бизнеса, так и потенциала его дальнейшего роста. С чего следует начинать работу по повышению эффективности деятельности компании? На что стоит обратить внимание, чтобы определить ее текущее состояние и поставить цели по улучшению? Как сбалансировать скорость развития с его направлением? Чем в решении выявленных проблем могут помочь сотрудники и сторонние эксперты? Свои ответы на эти и некоторые другие вопросы предлагают специалисты Центра «Приоритет» — одной из ведущих российских консалтинговых компаний в области совершенствования производственных и бизнес-систем.

Скачать статью целиком

ПОСТАНОВКА ЗАДАЧИ

В какой-то момент собственники и руководители компании начинают задумываться о повышении ее эффективности, производительности, росте и приступают к поиску решений, новых инструментов управления, реже — нового подхода. Популярный инструмент находится быстро — о нем, как правило, уже написано несколько книг в стиле бизнес-романа, успешные кейсы о том, как этот инструмент помог достичь выдающихся результатов, есть предложения по обучению и консультированию на тему «как внедрить».

В такой ситуации велик риск допустить «ошибку выжившего». Во множестве статей и на семинарах говорят о том, как инструмент помог. Но какое количество компаний не сумели добиться результатов с его помощью, или которым применение инструмента даже навредило, остается за кадром. Авторы бестселлера «Бережливое производство» [1] отмечали, что большинство лин-проектов либо проваливались, либо только частично оправдывали ожидания. Известный пример Дж. Вумека по трансформации велосипедной компании по его собственному признанию закончился неудачей из-за недооценки ряда факторов.

Следовало бы выделить ключевой фактор — постановку задачи. Работая в Центре «Приоритет», мы видим, как много усилий коллеги затрачивают на предконтрактную стадию: обсуждение с представителями компании заказчика проблемы, требующей решения, выяснение деталей, уточнение целей. Эта практика показывает, что консультировать нужно не столько по самому проекту, сколько по постановке задачи, а часто по перепостановке.

Предлагаем несколько вопросов, которые стоит задать перед началом работы по повышению эффективности:

1. Есть ли центральная руководящая идея, единый определяющий замысел проекта?
2. Почему было установлено, что это решение сработает?
3. Как именно проходил выбор решения, и какие варианты рассматривались?
4. В какой именно стартовой позиции находится компания?
5. Анализом каких данных сопровождалась работа до открытия проекта?

Наблюдения свидетельствуют, что выбору подхода и методов решения задачи компании нередко уделяют недостаточно внимания. Вместо анализа текущего положения и особенностей компании начинается быстрое движение, зачастую в неизвестном направлении с применением «модных» инструментов. Картину начала использования инструментов и подходов по повышению эффективности можно описать как дерево с множеством низко висящих плодов. Эти плоды легко и удобно собирать. Процесс воодушевляет, мотивирует и сигнализирует о правильности приятого решения. Но в какой-то момент низко висящие плоды заканчиваются, эффекты исчезают. В итоге сотрудники компании остаются разочарованными как самими инструментами, так и теми подходами, которые лежали в основе. Как говорил Карл фон Клаузевиц: «стратегические просчеты невозможно компенсировать тактическими успехами». Стратегические вопросы требуют глубокой проработки и стоят потраченного времени.

С чего же начать? Стремление к применению инструментов говорит о наличии потребности в изменениях. Изменениями надо управлять. Для этого разработаны модели, на которые можно опираться. Среди таковых следует выделить модель Курта Левина, ADKAR, модель Джона Коттера, S- бразную модель преобразований [2] и др. Несмотря на различия, они похожи тем, что предлагают начинать с признания и обоснования необходимости перемен, диагностики текущего состояния. При этом важно, чтобы процесс изменений опирался не только на пассионарность, эмоции и стремление сделать лучше, чем у конкурента, но и был подкреплен рациональным — аналитикой, фактами. 

Принятие решений, основанных на фактах, является одним из важнейших принципов бережливого производства [3] и менеджмента качества. С целью получения таких фактов для проектов по повышению эффективности необходимо выбрать определенную методику. Это может быть самооценка по модели делового совершенства, аудит на соответствие заданным критериям, диагностика под конкретную задачу для изучения реального положения дел в компании.

Мы предлагаем сосредоточиться на повышении рентабельности бизнеса как ключевой интегральной характеристике. Под эту задачу используем специально разработанную методику диагностики.

МЕТОДИКА ДИАГНОСТИКИ

Объектом диагностики выступает организация в целом, ее подсистемы и ключевые процессы. В ходе работы необходимо ответить на три взаимосвязанных вопроса:

1. Насколько компания эффективна в настоящее время по сравнению с конкурентами и лидерами эффективности?
2. Какие внутренние факторы будут способствовать эффективности или ограничивать ее рост? Это может быть определение потенциала для улучшения продуктов или услуг, возможностей и потерь в процессах, квалификация персонала, структура организации и др.
3. Какие механизмы, обеспечивающие эффективность, созданы на предприятии, и как они работают?

Для ответа на эти вопросы используем следующие методы: сбор и обработка числовых данных, анализ документации, анкетирование персонала и интервью с руководителями. Каждый из них несет ценность сам по себе, а в комплексе они хорошо дополняют друг друга, позволяя получить разностороннюю информацию.

Для составления полной картины с помощью перечисленных методов о текущем состоянии компании целесообразно провести следующие виды анализа:

1. Сравнительный анализ и бенчмаркинг.
2. Анализ динамики показателей организации.
3. Анализ подсистем и процессов организации.

СРАВНИТЕЛЬНЫЙ АНАЛИЗ И БЕНЧМАРКИН

Сравнение финансово-экономических показателей со среднеотраслевыми значениями или уровнем компаний-лидеров дает представление о реальном уровне эффективности компании и доступном потенциале роста в отрасли. На рис. 1 приведен пример сравнения компаний по показателю производительности труда. По горизонтали отражается среднесписочная численность (чел), по вертикали — производительность труда по добавленной стоимости (тыс. руб. на чел). Размер круга отражает среднемесячную заработную плату (руб.).

Рис. 1. Сравнение производительности труда по предприятиям-участникам национального проекта «Производительность труда» (выполнено ООО Центр «Приоритет» с помощью собственного программного обеспечения «СМАПТ — предприятие»)

Анализируемая компания представлена на рисунке справа синим кругом. Как видно по ее положению относительно других, при высокой численности (более 1000 человек) производительность труда ниже среднего по группе, а заработная плата (размер круга) одна из самых высоких. Эти данные вместе с результатами анализа других показателей стали предметом обсуждения с руководством на стратегической сессии по эффективности.

АНАЛИЗ ДИНАМИКИ ПОКАЗАТЕЛЕЙ ОРГАНИЗАЦИИ

Поскольку развитие бизнеса — это работа на длинной дистанции, то недостаточно провести точечную оценку состояния компании. Для формирования целостной картины важно понимать, как ведут себя ключевые показатели по отдельности и в сравнении друг с другом на протяжении определенного времени. За счет этого можно оценить взаимосвязи, выявить тренды, сделать прогнозы, разработать несколько сценариев.

В нашей практике был клиент, который столкнулся с проблемой высокой текучести производственного персонала. При этом, по его мнению, состояние компании улучшалось на протяжении нескольких лет. Основная идея клиента состояла в том, что проблема заключается в низкой зарплате, и если единоразово повысить производственным рабочим заработную плату на 10—15%, то это все исправит. После анализа группы из пяти показателей (рис. 2) выяснилось, что при существенном увеличении выручки и прибыли средняя зарплата сотрудников практически не менялась. Руководство предприятия, с одной стороны, публично заявляло о высоких темпах роста и отличных результатах, с другой, — сотрудники не видели проявления этих результатов ни в улучшении условий труда, ни в уровне оплаты и увольнялись. Это частично подтверждало гипотезу клиента относительно причин текучести, но не давало достаточно информации для выбора мер реагирования.

Рис. 2. Сравнение динамики показателей

Для получения более полного представления о причинах текучести потребовалось провести анализ заработной платы предприятий региона, отдельно проанализировать внутренние факторы, влияющие на текучесть, такие как безопасность, система мотивации и др. Результаты анализа также были вынесены на стратегическую сессию.

АНАЛИЗ ПОДСИСТЕМ И ПРОЦЕССОВ ОРГАНИЗАЦИИ

Если использовать для анализа эффективности такие характеристики, как производительность труда, добавленная стоимость, выручка, прибыль, то здесь велик вклад маркетинга, инноваций, качества продукции и др. Чтобы их исследовать, в своей методике мы выделяем 9 направлений (рис. 3). По ним оценивается уровень зрелости, динамика ключевых показателей, а также проводится бенчмаркинг по открытым данным.

Рис. 3. Пример направлений анализа и оценки уровня зрелости компании

Результаты представляются в виде оценки потенциала роста и перечня сдерживающих факторов. Итоговая оценка — уровень зрелости, который присваивается каждому из направлений и организации в целом. В нашем примере использована градация от A до E, где A — высокий уровень зрелости, D — низкий, E — отсутствие достаточных данных для оценки. Можно получить и общий уровень зрелости организации, оценить потенциал ее роста, проведя объединение проанализированных ранее показателей, документов, результатов анкетирования и интервью.

ВИЗУАЛИЗАЦИЯ СВОДНЫХ РЕЗУЛЬТАТОВ АНАЛИЗА

Завершающим этапом диагностики может быть обобщение и визуализация результатов для представления руководству и ключевым сотрудникам. С развитием средств визуализации и информационных систем многие уже используют различные дашборды, как правило, собранные для задач регулярного менеджмента, оперативного управления. Мы предлагаем дополнить их панелью эффективности. На рисунке приведен фрагмент ее верхнего уровня, агрегирующий сведения о трех описанных выше точках зрения на эффективность компании. Это позволяет получить проекцию бизнеса на плоскость конкурентов, плоскость собственных процессов и показателей.

Рис. 4. Специальная панель (дашборд) эффективности (фрагмент)

С помощью такого анализа можно предупредить проблемы в системе управления, например, при целеполагании. Предположим, компания ставит перед собой амбициозную цель — рост производительности на 20% или даже 30%. Анализ ее подсистем и процессов показывает, что состояние компании может позволить рост лишь на 5—10% [4]. Решением может быть либо уточнение целей, либо трансформация подсистем с соответствующим портфелем проектов.

По итогам диагностики мы предложили комплекс первоочередных мер, направленный на устранение узких мест. Рекомендации основывались не только на численных данных, но и учитывали особенности предприятия. Без этой работы руководство рисковало потратить миллионы рублей на внедрение «модных» инструментов, что, возможно, отложило бы решение реальных проблем и не исправило бы ситуацию.

Такую визуализацию целесообразно использовать не только при подготовке к стратегическим сессиям, но и для обсуждения результатов работы за период их планирования, подготовки информации для инвесторов и партнеров и т. д. По нашему мнению, подобный анализ и оценку следует проводить регулярно, причем результаты должны быть сопоставимы между собой и выполняться по одной методике, чтобы отслеживать динамику изменений.

РОЛЬ СОТРУДНИКОВ КОМПАНИИ И СТОРОННИХ ЭКСПЕРТОВ

На наш взгляд, компания вполне может самостоятельно выполнить анализ для подготовки к осознанным изменениям и выбору подходящих инструментов. Собрать данные для анализа можно по-разному: выгрузить из информационных систем, собрать в процессе наблюдения и измерения,  нтервьюирования. Особое внимание в диагностике важно уделить сотрудникам компании. Общение с персоналом способствует более полному пониманию проблем и нахождению наилучших решений, поскольку сотрудники обладают уникальными знаниями о процессах и опытом, которые могут быть полезны для идентификации проблем и выработки предложений по их решению.

Конечно, для этого потребуется отвлечение ряда сотрудников от их основной работы. К тому же внутренним барьером могут выступить сложившиеся отношения в коллективе. Часто коммуникация между руководством и сотрудниками — это больной вопрос. Она либо хромает, либо вовсе не выстроена, особенно, когда это касается контакта между разными отделами и тем более разными уровнями управления. Люди неохотно идут на контакт.

Чтобы облегчить путь, целесообразно привлекать сторонних экспертов. Они помогут разобраться в текущей ситуации, показать и объяснить целостную картину, открыть новый взгляд на привычные вещи или просто подтвердить, что компания все делает правильно и ей не стоит сомневаться в своих решениях. С внешними экспертам сотрудники намного свободнее и легче делятся наблюдениями и предложениями. В доверительной беседе человек способен задуматься, переосмыслить свой опыт и поговорить о важных, порой наболевших, проблемах, невидимых на верхних уровнях управления. Для этого критически важно, чтобы сотрудник чувствовал себя в безопасности и не боялся последствий того, что поделился с кем-либо информацией. Также подобное общение может повысить вовлеченность сотрудников, способствовать формированию чувства причастности и ответственности за результаты бизнеса.

В нашей практике были случаи, когда руководитель, заказавший работу, имел богатый опыт, видение, в каком направлении нужно развивать компанию, чего ей критически не хватало. Можно было просто в приказном порядке начать изменения, но он прекрасно понимал, что так он мало чего добьется и, скорее всего, просто убьет любую мотивацию. Директор физически не мог выслушать всех и каждого, а у сотрудников складывалось ощущение, что их мнение ничего не значит. В итоге большая часть нашей диагностики состояла в том, что мы выполняли роль корпоративных коммуникаторов и даже в некотором роде психологов. Без нее многие попытки системно повышать эффективность компании в долгосрочной перспективе не дадут желаемого результата, будут сталкиваться с искажением информации, блокированием обратных связей, поступающих, например, в виде сигналов о проблемах. 

ИЗВЛЕЧЕННЫЕ УРОКИ

НЕКОТОРЫЕ РЕКОМЕНДАЦИИ ПО ВЫСТРАИВАНИЮ СИСТЕМЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ

1. Результаты, полученные в самом начале применения методики повышения эффективности, полезны в качестве исходных данных для проведения стратегических сессий, формирования портфеля проектов и его оптимизации, постановки и декомпозиции целей по улучшению, разработки инвестиционной программы и других работ по поиску точек роста.

2. На следующем этапе разработки программы повышения эффективности с помощью аналитики следует обоснованно выбрать подход и методы улучшений, продемонстрировать сотрудникам необходимость изменений, в том числе по отдельным направлениям.

3. При использовании цифровых технологий диагностика может стать полноценной системой поддержки управленческих решений и дать возможность выйти из операционного управления, высвободить время для решения стратегических задач.

4. Важной составляющей на пути к сокращению потерь и, соответственно, повышению эффективности является взаимодействие с персоналом компании, которое позволяет полнее понять существующие проблемы и найти их наилучшее решение, поскольку именно сотрудники обладают опытом и необходимыми, а порой и уникальными знаниями о производственных процессах.

РЕЗЮМЕ

Мы попытались представить анализ текущего состояния компании как первый шаг к выстраиванию системы управляемого развития и повышения эффективности. Итоговые результаты диагностики по предлагаемой методике позволяют определить текущую эффективность компании, выявить внутренние и внешние факторы, способствующие росту эффективности или ограничивающие его.

Авторы выражают благодарность
М.Б. Рыжкову и А.Н. Грачеву
за предоставленные данные и предложения

ИСТОЧНИКИ

1. Вумек Дж.П., Джонс Д.Т. Бережливое производство. Как избавиться от потерь и добиться процветания вашей компании. М: Альпина Бизнес Букс, 2004. 473 с.
2. Лапидус В.А., Цвиркунов Д.И. Причины успехов и неудач в преобразованиях. Пять необходимых элементов преобразований // Стандарты и качество. 2019. № 10. С. 92—99.
3. ГОСТ Р 56020—2014 Бережливое производство. Основные положения и словарь. 
4. Грачев А.Н., Касторская Л.В., Рыжков М.Б. Рост производительности труда на предприятиях: опыт участия в национальном проекте // Методы менеджмента качества. 2021. № 2. С. 30—36.

Методы менеджмента качества/08 2023

В.В. Шашков, М.Б. Рыжков, А.Н. Грачев

При анализе технологических процессов с применением статистических методов нередко удается обнаружить причины проблем, которые до того оставались скрытыми. В статье приводится пример совершенствования, казалось бы, хорошего процесса, в ходе которого были обнаружены и устранены скрытые причины проблем и связанные с ними неявные потери. Первая ее часть [1] была посвящена вопросам анализа и настройки применяемой измерительной системы (ИС) по методике MSA [2]. Во второй части мы рассмотрим, как провести исследование самого технологического процесса (ТП) в соответствии с методикой SPC [3] — от сбора данных до аттестации процесса и разработки предложений по его улучшению.

Скачать статью целиком

СБОР ИСХОДНЫХ ДАННЫХ

Напомним, что рассматриваемое исследование ИС и ТП проводилось кросс-функциональной командой, в состав которой вошли консультанты по качеству (включая авторов данной статьи), а также представители одного из предприятий крупного международного холдинга (являющегося, в том числе, поставщиком автокомпонентов). Инициатором данного проекта выступил потребитель продукции предприятия, настаивавший на прохождении одобрения по процедуре согласования производства части по процедуре PPAP [4].

Объектом исследования была выбрана деталь «Боковая панель» из листового металла. Основной операцией, формирующей большинство характеристик, является «Вырубка», а специальной характеристикой, влияющей на возможность последующей сборки — «Высота заднего гиба». На данную характеристику установлен двухсторонний допуск. Верхняя граница поля допуска (USL) = 28,00 мм, нижняя граница поля допуска (LSL) = 24,50 мм.

Группа специалистов, которая занималась анализом возможностей технологического процесса, взяла выборку из 20 последовательно изготовленных деталей (каждая 20-я деталь из потока, период наблюдения — смена). Правила сбора данных были согласованы с представителем потребителя, результаты измерений приведены в табл. 1.

Таблица 1

АНАЛИЗ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА

По собранным данным с помощью программного обеспечения Attestator [5] были построены контрольные карты индивидуальных значений и скользящих размахов (рис. 1). Анализируя их, команда пришла к выводу, что процесс не может быть признан стабильным, поскольку на обеих контрольных картах присутствуют по одной точке за границами полей допуска. Это происходит из-за значения № 18 в выборке = 24,40 мм.

Рис. 1. Контрольные карты процесса (по исходным данным)

При перепроверке результатов измерений была выявлена опечатка оператора, который вводил данные в программное обеспечение. Реальное значение № 18 в выборке = 24,50 мм, и тогда контрольные карты приобретают уже  другой вид (рис. 2).

Рис. 2. Контрольные карты процесса (после корректировки данных)

На этих пересчитанных контрольных картах признаков влияния особых причин1 не обнаруживается, поэтому можно признать процесс стабильным и для оценки возможностей процесса допустимо использовать индексы воспроизводимости Cp и Cpk [6]:

• индекс Cp = 11,26 свидетельствует об очень больших возможностях процесса, но 
• индекс Cpk = 0,93 говорит об очень существенном смещении настройки к нижней границе поля допуска.

Если на карту индивидуальных значений нанести границы поля допуска, получится картина, отображенная на двух следующих графиках (рис. 3, 4). 

Рис. 3. Карта индивидуальных значений (с полем допуска)

Рис. 4. Гистограмма процесса

Потенциальные возможности исследуемого ТП в аспекте качества огромны. Изменчивость процесса ничтожна по сравнению с допуском. Но по результатам расчета оценка уровня несоответствий составила 1%, что гораздо хуже требований потребителя (не более 1 ppm2). Это происходит из-за высокой оценки риска выхода продукции за нижнюю границу допуска.

Данный процесс нуждается в корректировке среднего значения (настройке) к центру допуска на 1,6 мм вверх, так как значение индекса Cpk = 0,93, а критерий приемлемости процесса, установленный потребителем — Cpk > 1,67.

Чтобы после коррекции настройки процесс не «уходил» к границам допуска, команда решила применить статистическое регулирование, правила которого могут быть следующими. Периодически берется выборка из одного изделия, и если результат измерения попадает между границами регулирования ACLL и ACLU, то процесс считается приемлемым и может продолжаться далее. В противном случае необходимо произвести регулировку на центр допуска. Команда рассчитала приемочные границы (границы регулирования) для управления процессом в соответствии с ГОСТ Р ИСО 7870-3— 2013 [8]. При этом в качестве исходных данных были использованы следующие параметры:

• σw = σp — стандартное отклонение процесса, σw = 0,062 (по данным рис. 3);
• n — объем выборки, n = 1 (по правилу статистического регулирования);
• p1 — неприемлемая доля несоответствующих единиц продукции, p1 = 1 ppm (требование потребителя);
• β — риск ошибочной приемки неудовлетворительного процесса, β = 0,05 (5%).

По результатам расчета с помощью Attestator [5] получены следующие границы регулирования: нижняя граница (ACLL) = 24,9 мм, верхняя граница (ACLU) = 27,6 мм. 

Построим карту регулирования, нанеся на нее реальные данные техпроцесса (рис. 5). Заметим, что на этой карте границы регулирования в Attestator обозначаются иначе, чем в [8] — как LRL и URL. Как видим, все 20 результатов измерений будут лежать за рассчитанными границами регулирования, что говорит о необходимости смещения настройки процесса. По сути, такой процесс должен был быть остановлен для регулировки после первой же серии измерений.

Рис. 5. Карта индивидуальных значений (с границами регулирования)

СОВМЕСТНЫЙ АНАЛИЗ РЕЗУЛЬТАТОВ MSA И SPC

Если анализировать результаты двух экспериментов вместе, то можно обратить внимание, что изменчивость ТП изготовления продукции (TV = σp ) равна 0,062 (cм. рис. 3), тогда как изменчивость ИС (GRR) при первоначальном расчете оказалась в четыре раза больше и составила 0,249 (cм. табл. 3 в [1]). Такого не должно быть, так как изменчивость измерительной системы является частью общей наблюдаемой изменчивости процесса. 

При анализе ИС мы пришли к выводу, что реальная изменчивость в процессе измерений опытным контролером будет на порядок ниже. И действительно, мы можем для анализа ИС взять данные только контролера «А» и оценить изменчивость методом размахов. При этом Attestator позволяет в качестве полной изменчивости использовать не ширину допуска, а произвольную сигму процесса, в данном случае — фактически полученное значение TV = 0,062. Тогда расчет GRR будет таким, как показано в табл. 2, 3. При этом все встает на свои места: изменчивость измерительной системы будет составлять от общей изменчивости фактического процесса, а не от поля допуска: 

%GRR = (0,00874 / 0,062) × 100% ≈ 14,1%

Таблица 2

Таблица 3

В данном случае это может считаться приемлемым, поскольку индекс воспроизводимости Cp = 11,26 очень большой, и маловероятно, что ошибка измерительной системы приведет к пропуску несоответствия к потребителю, в особенности с учетом применяемого статистического регулирования процесса.

Подобный анализ ТП и ИС целесообразно производить:

• в соответствии с установленным графиком, который может быть согласован с потребителями, например раз в год или в полугодие;
• по мере изменений в процессе (в оборудовании, оснастке, продукции, технологии и т. п.);
• при возникновении/выявлении проблем (например, рекламации от потребителей, информация от собственных служб технического контроля и т. п.); 
• для подтверждения того, что процесс находится в приемлемом состоянии.

ИТОГИ ПРОВЕДЕННОГО ИССЛЕДОВАНИЯ

В рамках исследования команда спланировала сбор данных, провела необходимые измерения, а затем, воспользовавшись специализированным программным обеспечением для расчетов, получила оценки состояния ИС и ТП. Также команда провела анализ данных и выявила факторы, которые не позволяли признать как измерительную систему, так и сам процесс приемлемыми.

Отметим, что исследование выявило ряд скрытых проблем и направлений для улучшения:

• использование неподготовленного персонала на ответственных контрольных операциях;
• допуск до работы персонала, фактическое состояние которого не позволяет качественно осуществлять необходимую деятельность;
• ошибки при регистрации данных о качестве;
• ошибки незамеченной разладки — процесс является неприемлемым, и это остается незамеченным.

Также было установлено, что в планах управления технологическим процессом критерием его остановки являлись установленные требования к допуску, хотя для реализации принципа предупреждения несоответствий желательно пользоваться ГОСТ Р ИСО 7870-3 [8] для расчета нижней и верхней границ регулирования процесса ACLL и ACLU.

Отчет о техпроцессе на момент завершения исследования представлен на рис. 6. Функция аттестации ТП позволяет оценить его по нескольким характеристикам. В данном случае команда обеспечила стабильность процесса (что следует из контрольной карты) и установила в качестве критерия его аттестации значение индекса Ppk не менее 1,67, что соответствует требованиям потребителя. Однако это условие на данный момент не выполнено по причинам, рассмотренным выше.

Рис. 6. Отчет о состоянии процесса (фрагмент)

РЕЗЮМЕ

Работа кросс-функциональной команды показала, что даже на успешном предприятии, которое по каким-либо причинам не занимается анализом процессов и анализом измерительных систем (или не делает это на регулярной основе), возможно найти области для улучшения и предупредить появление проблем и потерь от плохого качества. По итогам исследования команда разработала план действий по улучшениям процесса, получила поддержку руководства на его реализацию, выполнила его, повторно собрала данные, проанализировала их и составила новый отчет, который затем был отправлен потребителю для прохождения процедуры одобрения и аудита в соответствии с процедурой PPAP.

ИЗВЛЕЧЕННЫЕ УРОКИ

КЛЮЧЕВЫЕ РЕКОМЕНДАЦИИ ПО АНАЛИЗУ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

1. Анализ технологических процессов (ТП) целесообразно выполнять кросс-функциональной командой, члены которой прошли специальную подготовку. Обычно для этого достаточно 5-дневной программы обучения.

2. Выберите программный продукт, который поможет в проведении анализа и позволит решить часть задач автоматически. Отправной точкой для этого может стать реестр российского программного обеспечения.

3. Начните с анализа измерительной системы (ИС) на основе методики MSA, чтобы убедиться в том, что результатам измерений можно доверять. Если потребуется, выполните необходимые улучшения ИС.

4. Используя методику SPC, определите, находится ли исследуемый ТП в статистически управляемом состоянии. Оцените его возможности с помощью индексов воспроизводимости (Cp и Cpk).

5. Оцените прогнозируемый уровень несоответствий при текущем состоянии процесса, а также возможные потери от плохого качества.

6. Для углубления понимания текущего состояния процесса и его возможностей проведите совместный анализ результатов исследования ИС (по методике MSA) и ТП (по методике SPC).

7. Если в результате анализа будут выявлены особые причины изменчивости и/или неудовлетворительных возможностей ТП, проанализируйте их и предложите план действий по улучшению процесса. Используйте специальные методики, такие как 8D [9] и ей подобные [10].

8. Промежуточным итогом работы может стать аттестация процесса с соответствующим отчетом для руководства и потребителей.

9. Такую деятельность следует вести на регулярной основе с учетом потерь от плохого качества и требований потребителя в цепочке B2B [6, 11, 12].

10. Работа команды должна поддерживаться руководством и получать признание ее вклада в улучшение процессов и репутацию предприятия.

ИСТОЧНИКИ

1. Шашков В.В., Рыжков М.Б., Грачев А.Н. Как и зачем улучшать процессы, если в них «все хорошо». Часть 1. Анализ и совершенствование измерительной системы // Методы менеджмента качества. 2023. № 7. С. 24—31.
2. Анализ измерительных систем. MSA. Ссылочное руководство. Изд. 4-е (июнь 2010) Н. Новгород: СМЦ «Приоритет», 2012. 405 с.
3. Статистическое управление процессами. SPC. Ссылочное руководство. Изд. 2-е (июль 2005) Н. Новгород: СМЦ «Приоритет», 2012. 424 с.
4. Процесс согласования производства части. PPAP. Ссылочное руководство. IATF, 4-е изд. (март 2006). Н. Новгород: СМЦ «Приоритет», 2012. 125 с.
5. Программное обеспечение Attestator. Система статистического анализа и контроля процессов с применением методов SPC (контрольные карты, индексы, гистограммы), а также анализа измерительных систем (MSA). Включено в реестр российского программного обеспечения. URL: https://centr-prioritet.ru/111-programmnye-produkty-i-it/150-attestator.
6. Розно М.И., Касторская Л.В. Пора заняться техпроцессом. У вас проблемы в производстве? 3-е изд. Н. Новгород: СМЦ «Приоритет», 2019. 61 с.
7. Деминг У.Э. Выход из кризиса. Новая парадигма управления людьми, системами и процессами. М.: Альпина Бизнес Букс, 2007. 370 с.
8. ГОСТ Р ИСО 7870-3— 2013 Статистические методы. Контрольные карты. Часть 3. Приемочные контрольные карты.
9. Юрченко С.В. Методология 8D: системное исключение проблем с учетом требований потребителя. Части 1, 2 // Методы менеджмента качества. 2021. № 3. С. 36—41; № 4. С. 28 34.
10. Грачев А.Н., Титов Р.А. «12 шагов решения проблем»: опыт практического применения для улучшения процессов // Методы менеджмента качества. 2022. № 9. С. 22—28.
11. Применение прикладных статистических методов при производстве продукции (для руководителей). Практическое руководство. Н. Новгород: СМЦ «Приоритет», 2004. 56 с.
12. Применение прикладных статистических методов при производстве продукции (для управляющих на уровне цеха). Практическое руководство. Н. Новгород: СМЦ «Приоритет», 2004. 40 с.

Методы менеджмента качества/07 2023

В.В. Шашков, М.Б. Рыжков, А.Н. Грачев

При анализе технологических процессов с применением статистических методов нередко удается обнаружить причины проблем, которые до того оставались скрытыми. Даже если потребитель не направляет рекламации, это не повод считать, что с качеством продукции все в порядке. Рано или поздно такие проблемы дают о себе знать. Рассмотрим конкретный пример совершенствования, казалось бы, и без того хорошего процесса, в ходе которого были обнаружены и успешно устранены скрытые причины проблем и связанные с ними неявные потери. Первая часть статьи посвящена вопросам анализа и улучшения характеристик применяемой измерительной системы (ИС).

Скачать статью целиком

ПОДГОТОВКА, ПЛАНИРОВАНИЕ И СБОР ИСХОДНЫХ ДАННЫХ

Некоторое время назад команда консультантов по качеству, включая авторов данной статьи, работала на одном из предприятий крупного международного холдинга, являющегося, в том числе, поставщиком автокомпонентов. Мы столкнулись с интересной ситуацией, типичной при нерегулярном применении методов анализа измерительных систем (Measurement System Analysis, MSA) [1] и статистического управления процессами (Statistical Process Control, SPC) [2].

Данное предприятие пользовалось фактически абсолютным доверием со стороны потребителя, которое основывалось на продолжительном сотрудничестве и известности бренда поставщика. Однако в какой-то момент потребитель стал настаивать на прохождении одобрения по процедуре согласования производства части (Production Part Approval Process, PPAP) [3], подтверждающей, что его требования к продукции и управлению процессами выполняются.

Руководство предприятия подошло к данной задаче как к проекту. Был разработан план и создана команда проекта во главе с опытным менеджером по качеству. В ее состав вошли, в том числе, специалисты подразделений, деятельность которых напрямую влияет на качество продукции: производства, метрологической службы, службы по ремонту и обслуживанию оборудования, техотдела и службы качества.

На начальном, подготовительном этапе на предприятии было проведено обучение команды по направлениям MSA и SPC (табл. 1). Хотя все ее участники имели достаточный производственный опыт, но не все уверенно владели методами, которые требовались для решения поставленной задачи. В зависимости от базовых знаний членов команды такое обучение обычно занимает от трех до пяти дней. 

Таблица 1

Для выполнения проекта из персонала, прошедшего обучение, были сформированы две кросс-функциональные группы по пять человек:

• первая — для оценки ИС на основе руководства MSA [1];
• вторая — для анализа технологического процесса на основе руководства SPC [2].

Для экономии времени они начали работу параллельно. Исходя из методологии исследования процессов, целесообразно сначала убедиться в приемлемости ИС и только потом переходить к анализу возможностей процессов. Но в данном случае команда была априорно убеждена в пригодности ИС и проводила ее анализ лишь для формального подтверждения своей уверенности.

Все требования по проведению работ, в том числе используемые методы и критерии оценки процесса, согласовывались с представителями потребителя. План включал анализ процессов, формирующих особо важные — специальные (ключевые) характеристики продукции.

Объектом исследования была выбрана деталь «Боковая панель» из листового металла. Основной операцией, формирующей большинство характеристик, является «Вырубка», а специальной характеристикой, влияющей на возможность последующей сборки — «Высота заднего гиба». На данную характеристику установлен двухсторонний допуск. Верхняя граница поля допуска (USL) = 28,00 мм, нижняя граница поля допуска (LSL) = 24,50 мм.

Для того чтобы сделать вывод о пригодности ИС, необходимо оценить ее изменчивость, выраженную через объединенную оценку сходимости и воспроизводимости (GRR), где:

• сходимость (EV) — изменчивость измерений, полученная одним инструментом, использованным несколько раз одним контролером, измеряющим одну и ту же характеристику одной и той же части/ бразца;
• воспроизводимость (AV) — изменчивость среднего значения измерений, сделанных разными контролерами, использующими один и тот же прибор при измерении характеристики одной и той же части/образца.

Требования потребителя к проведению работ по анализу ИС следующие:

1. анализируемая характеристика — объединенная оценка сходимости и воспроизводимости (GRR);
2. анализ должен проводиться методом средних и размахов, не менее 3 контролеров, 3 попытки (измерения), не менее 10 образцов;
3. критерий приемлемости — %GRR не более 10% по отношению к ширине поля допуска.

В случае если бы требования потребителя не были установлены, команда должна была сформулировать их самостоятельно.

В соответствии с этими требованиями были отобраны 10 боковых панелей, которые были по три раза измерены каждым из трех контролеров (обозначенных как «A», «Б» и «В»). Условия проведения замеров во всех случаях были идентичными. В результате получен массив исходных данных (табл. 2), используемых в процессе последующего анализа ИС.

Таблица 2

АНАЛИЗ ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ

Для обработки данные были внесены в специальное программное обеспечение Attestator [4], автоматизирующее все последующие расчеты, визуализацию и помогающее в интерпретации результатов. Анализ ИС проводился методом средних и размахов. Начать анализ целесообразно с контрольной карты размахов (рис. 1).

Рис. 1. Контрольная карта размахов (по исходному массиву данных)

На графике видно, что данные контролера «В» существенно отличаются от других контролеров в большую сторону. Это значит, что он, измеряя один и тот же образец детали в трех попытках, выдает слишком разные результаты измерений. У других контролеров эта разница значительно меньше: у контролера «В» средний размах = 0,480, тогда как у контролеров «А» и «Б» соответственно = 0,015 и = 0,082.

Программа выдает заключение, что четыре точки (их номера выделяются красным цветом) у контролера «В» выходят за верхнюю границу контрольной карты (UCL) и рекомендует по правилам методики MSA [1] исключить из рассмотрения либо все эти образцы, либо все данные контролера, у которого есть такие точки на карте размахов.

Поэтому важно изначально выбрать такое программное обеспечение, которое выдает не только графику, но и (как в нашем случае) результаты проверки данных по всем критериям MSA и SPC, а также рекомендации по дальнейшим действиям. Это помогает команде, особенно не имеющей большого опыта применения этих методик, в интерпретации данных, улучшении ИС, предоставлении доказательств потребителю и аудиторам.

Весь анализ указывает на то, что у контролера «В» в сравнении с остальными есть явные проблемы с изменчивостью результатов измерений. Для дальнейшего анализа мы переходим к контрольной карте средних (рис. 2). Она позволяет сделать несколько выводов.

Рис. 2. Контрольная карта средних (по исходному массиву данных)

1. Средние значения измерений контролеров по одним и тем же образцам (так называемый уровень настройки) существенно различаются, вплоть до того, что их ряды на графике практически не пересекаются в проекции на вертикальную ось! Это говорит либо о плохой согласованности контролеров между собой в части методов измерений, либо о том, что методика измерений данной характеристики не выполняется должным образом. 

2. Несмотря на такую разницу в средних между контролерами, границы контрольной карты слишком широки. В отличие от SPC-анализа, в анализе ИС желательна ситуация, когда большинство точек (не менее 50%) выходят за пределы контрольных границ, поскольку область внутри этих границ представляет собой изменчивость самой ИС (можно сказать, что это ее чувствительность). Иными словами, чем более узкая зона внутри контрольных границ, тем выше разрешающая способность ИС. В данном случае мы наблюдаем признаки ее недостаточности, так как за пределами контрольных границ лежат всего 37% точек. Следует также иметь в виду, что точки на данной карте будут тем дальше выходить из этой зоны, чем более разнообразными по измеряемой характеристике будут образцы. Поэтому подбор образцов для исследования должен покрывать все поле допуска (поскольку в данном случае ИС исследуется именно для контроля по допуску), а в идеале желательны и образцы за пределами допуска.

3. Изменчивость средних результатов измерений образцов контролера «В» значительно больше, чем у других контролеров. Однозначно утверждать, что он ошибается чаще двух других, на основании этой карты нельзя, но признаки этого имеются. Поэтому характер и причины такой изменчивости должны быть исследованы дополнительно.

С этой целью все образцы измеряются заведомо более точной ИС, чем та, которая исследуется, и результаты принимаются в качестве опорных (эталонных) значений. Затем строятся графики распределения отклонений результатов измерений от опорных значений образцов (рис. 3). На основании этих данных можно утверждать, что наилучший результат (и по среднему, и по стандартному отклонению) показывает контролер «А», а наихудший — контролер «В». При этом контролер «А» склонен занижать результаты измерений в среднем на 0,22 мм относительно опорного значения, тогда как контролер «Б» — завышать их в среднем на 0,21 мм. 

Рис. 3. Гистограмма отклонений измерений от опорных значений образцов

Соотношение сходимости (EV) и воспроизводимости (AV) свидетельствует, что различия в настройке между контролерами (AV) более существенно влияют на итоговую объединенную оценку GRR, чем присущая каждому из контролеров изменчивость (EV). Поэтому первоочередное внимание рекомендуется уделить устранению смещения настройки контролеров от опорных значений. Это можно сделать, например, путем дополнительного обучения контролеров или пересмотра методики либо условий измерения.

Объединенная оценка сходимости и воспроизводимости ИС (GRR), показанная на рис. 3 красной кривой, — более 42% от общей изменчивости (в данном случае 1/6 поля допуска) — слишком плоха, чтобы использовать ее для контроля продукции.

Так как оцениваемая характеристика процесса является специальной, то при оценке было бы правильно сравнивать величины изменчивости ИС с изменчивостью фактического процесса, но на момент проведения эксперимента никакой информации об изменчивости процесса у группы не было. Поэтому в отчете по методу средних и размахов (табл. 3) в качестве основы для расчета общей изменчивости (TV) была взята ширина поля допуска, то есть GRR сравнивалась с 1/6 ширины поля допуска. В результате мы получили %GRR = 42,74%, что не может считаться приемлемым, поскольку в качестве критерия используется граница не более 30%.

Таблица 3

Заметим, что полученные результаты вполне согласуются с нашим предыдущим опытом: примерно 2/3 экспериментов по анализу ИС показывают ее непригодность по характеристике «сходимость — воспроизводимость» (%GRR < 10%) для приемки продукции или управления процессом. Однако команда проекта была удивлена этими результатами, так как считала, что никаких проблем при измерениях нет и быть не может.

Обращая особое внимание на результаты контролера «В», было выяснено, что накануне проведения эксперимента он получил травму руки и ходил в гипсе, что в итоге и явилось основной причиной столь существенной изменчивости при измерениях. Исходя из этого, командой было сформулирована рекомендация о допуске контролера «В» к работе только после его полного выздоровления.

УЛУЧШЕНИЕ ХАРАКТЕРИСТИК ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ

Как было сказано, методика MSA не только позволяет, но и требует исключать сомнительные данные, а также, например, образцы, по которым у контролеров слишком большой разброс результатов (точки выше верхней контрольной границы на карте размахов). В нашем случае, если убрать из рассмотрения контролера «В», получим скорректированный массив данных (табл. 4).

Таблица 4

Как видим, теперь размахи контролера «Б» по образцам 8 и 9 выходят за пересчитанную контрольную границу UCLR, = 0,125, поэтому их тоже приходится удалить из расчета. Скорректированная контрольная карта размахов (рис. 4) показывает, что изменчивость результатов измерений у контролера «Б» значительно больше, чем у контролера «А», что характеризуется значениями средних размахов: = 0,015, тогда как = 0,065, что выше в четыре с лишним (!) раза. Обновленная контрольная карта средних (рис. 5) показывает, что контролеры значимо отличаются по настройке, разница между средними значениями ~0,18 мм.

Рис. 4. Контрольная карта размахов (без контролера «В» и образцов 8, 9 контролера «Б»)

Рис. 5. Контрольная карта средних (без контролера «В» и образцов 8, 9 контролера «Б»)

Программное обеспечение выдает заключение, что чувствительность ИС с целом достаточна, все 100% точек находятся за контрольными границами. Тем не менее следует обратить внимание на значение %GRR = 23,08% в новом отчете по методу средних и размахов (табл. 5) — оно считается «условно приемлемым», так как находится в диапазоне 10—30%.

Таблица 5

Необходимо заметить, что наибольший вклад в суммарную изменчивость ИС (GRR = 0,135) вносит воспроизводимость (AV = 0,132), в пять (!) раз превышающая сходимость (EV = 0,024). Это объясняется как раз существенными различиями в настройке между контролерами, что отражено как на контрольных картах, так и на гистограмме. 

В беседе с контролером «Б» выяснилось, что он является стажером, который лишь недавно принят на работу и обладает минимальными навыками проведения измерений. Если предположить, что в результате обучения можно добиться снижения его изменчивости ( = 0,065) до уровня контролера «А» ( = 0,015) и добиться более точной настройки контролеров на опорное значение образцов, существенно снизив тем самым показатель AV, то %GRR может снизиться до приемлемого уровня — ниже 10% от TV. Такие действия не потребуют замены средств измерения и других значимых расходов. 

РЕЗЮМЕ

Первые этапы анализа процесса выявили слишком высокую изменчивость измерительной системы. Данные свидетельствуют, что при приемке продукции компания может допускать ошибки вблизи границ поля допуска, признав дефектную продукцию соответствующей. Возможна и обратная ситуация, когда годную продукцию бракуют и несут дополнительные потери, связанные с разбраковкой. В нашем примере объединенная оценка сходимости и изменчивости GRR = 0,25 мм при ширине поля допуска в 3,5 мм, что может приводить к большому количеству (до 30%) ошибочных решений для данных вблизи границ допуска. Во второй части статьи при анализе воспроизводимости процесса будет показано, что все результаты таих измерений попадают в зону неопределенности.

ИЗВЛЕЧЕННЫЕ УРОКИ

КЛЮЧЕВЫЕ РЕКОМЕНДАЦИИ ПО АНАЛИЗУ ИЗМЕРИТЕЛЬНЫХ СИСТЕМ

1. Анализ процессов целесообразно выполнять кросс-функциональной командой, члены которой прошли специальную подготовку. Обычно достаточно 5-дневной программы обучения.

2. Начать его следует с измерительных систем (ИС) на основе методики MSA, так как необходимым условием для анализа процессов является доверие к результатам измерений.

3. Целесообразно выбрать программный продукт, который поможет команде в анализе и позволит решить часть задач автоматически. Отправной точкой для его выбора может стать реестр российского программного обеспечения.

4. По результатам анализа ИС следует принять решение о ее пригодности для приемки продукции и управления процессами. Нередко при этом выявляются скрытые потери, которые несет компания. 

5. Несоответствие ИС часто связано с системой подготовки контролеров, отсутствием методики измерения или ее несоблюдением. Как правило, работы по улучшению ИС не требуют существенных затрат.

6. Анализ ИС необходимо вести на регулярной основе, поскольку факторы и их влияние меняются со временем.

7. Рекомендуется стандартизировать эту деятельность в форме процедуры или инструкции. В ряде случаев методику требуется согласовать с потребителем. 

8. Работа команды должна поддерживаться руководством и получать признание вклада каждого ее участника в улучшение процессов и репутацию предприятия.

ИСТОЧНИКИ

1. Анализ измерительных систем. MSA. Ссылочное руководство. Изд. 4-е (июнь 2010) Н. Новгород: СМЦ «Приоритет», 2012. 405 с.
2. Процесс согласования производства части. PPAP. Ссылочное руководство. IATF, 4-е изд. (март 2006). Н. Новгород: СМЦ «Приоритет», 2012. 125 с.
3. Статистическое управление процессами. SPC. Ссылочное руководство. Изд. 2-е (июль 2005) Н.Новгород: СМЦ «Приоритет», 2012. 424 с.
4. Программное обеспечение Attestator. Система статистического анализа и контроля процессов с применением методов SPC (контрольные карты, индексы, гистограммы), а также анализа измерительных систем (MSA). Включено в реестр российского программного обеспечения. URL: https://centr-prioritet.ru/111-programmnye-produkty-i-it/150-attestator

Методы менеджмента качества/06 2023

М.И. Розно

Данная публикация Розно М.И. представляет собой отклик-реплику на статью директора по качеству завода. В статье утверждается, что на данном заводе применяется методология «6 сигм», и приведен пример построения гистограммы, построенной по одному параметру одной модели продукции за год (несколько сот изделий). Гистограмма показала далеко не блестящие результаты – несколько точек вылетели за пределы допуска. Однако было принято решение не проводить действий по улучшению, т.к. этот параметр не очень важен для потребителей.

В приведенной далее статье Розно М.И. поясняется, что же представляет собой методология «6 сигм», если предприятие всерьез намерено ее применять, какие возможности для предприятия при этом появляются. Но эти возможности будут реализованы только при серьезном обучении персонала статистическим методам и методам улучшений в сочетании с практикой проведения проектов по улучшениям на предприятии.

Скачать статью целиком

ОСНОВНОЕ СОДЕРЖАНИЕ И ЦЕЛЬ МЕТОДОЛОГИИ «ШЕСТЬ СИГМ»

Методология «Шесть сигм» была разработана в США в начале 1980-х гг. Ее цель — расширить возможности снижения дефектности и потерь на предприятиях, что позволяет улучшть качество продукции и результаты бизнеса в целом. Эта цель была изначально выдвинута корпорацией «Motorola» [1] как достойный ответ главным конкурентам — японским компаниям. Ведь последние (во многом благодаря знаниям, полученным от У.Э. Деминга и Дж.М. Джурана) к тому времени уже научились выпускать продукцию с близким к нулю разбросом параметров, что делало ее практически бездефектной и более дешевой. 

Уже из названия методологии следует, что основу «Шести сигм» составляют статистические методы, так как именно σ (среднее квадратическое отклонение) характеризует величину разброса конкретного параметра изделия на выходе производственного процесса. Набор таких статистических методов весьма широк: от простейших (диаграмма Парето, гистограмма, диаграмма рассеяния и др.) до более сложных (SPC1, MSA1, регрессионный и дисперсионный анализ и др.).

Вместе с тем в инструментарий «Шесть сигм» входят и такие методы, которые напрямую не связаны со статистическими моделями. В частности, к ним относятся DFMEA3 и PFMEA4, методы ранжирования параметров изделий по степени важности (как для потребителей, так и для потерь предприятия) и др. Наконец, в рамках «Шести сигм» применяются экономические методы, например, сравнительный анализ издержек («цены») высокого и низкого качества продукции [2].

Конечно, овладение этими методами требует многих дней обучения с обязательным практическим их применением на производственных объектах [3]. Компетентность, приобетенная сотрудниками в результате такого обучения, по аналогии с японскими единоборствами ранжируется по «поясам» (табл. 1).

Таблица 1

Организационно-практическую основу для выполнения проектов улучшений по методологии «Шесть сигм» составляет цикл из пяти шагов цикла DMAIC:

• • Define (D) — определите объект и проблему;
• Measure (M) — произведите необходимые измерения для количественного описания проблемы и возможных причин;
• Analyse (A) — проанализируйте причины вариаций и найдите корневые причины проблемы;
• Improve (I) — найдите конкретный способ улучшения объекта и опробуйте его;
• Control (C) — управляйте объектом на основе найденного нового способа.

Для практического выполнения каждого из пяти шагов как раз и нужны те самые методы-инструменты, которыми должны овладеть специалисты предприятия. Конечно, потребуются затраты на обучение персонала, а затем — на реализацию проектов улучшений. Но, как показала практика, уже на первых предприятиях, применивших методологию «Шесть сигм» (General Electric, Motorola, Honeywell), через один-два года экономический эффект составил миллиарды долларов.

Образно говоря, «Шесть сигм» — это большой «ящик» с разнообразными инструментами, которые позволяют диагностировать, ремонтировать и даже модернизировать разнообразные сложные «машины». К ним добавлена общая инструкция по циклу DMAIC с рекомендуемыми инструментами для каждого шага. Но главное — это обученные специалисты со знаниями и опытом правильного использования этих инструментов.

Если применить эту образную аналогию к рассматриваемой статье, то в ней продемонстрировано, как можно завинтить гайку простым рожковым ключом. Точнее, даже просто проверить, завинчена она или нет. Оказалось, что завинчена не очень хорошо. При этом автор приводит доводы (впрочем, разумные), что это не очень важная «гайка» для потребителя, и продукция признается «годной». А причины несоответствий и корректирующие действия по их устранению в статье не рассматриваются.

Есть ли уверенность, что в данной «мастерской» грамотно проведут диагностику и ремонт любой сложности? И даже улучшение, модернизацию сложной «машины»? Пусть читатели сами ответят на этот вопрос.

А ЕСЛИ СЕРЬЕЗНО, ЧТО ПОКАЗЫВАЕТ ГИСТОГРАММА?

Гистограмма — элементарный статистический инструмент анализа процесса, он входит в классический набор «семи простых» методов анализа качества [4, 5]. Сегодня существует немало компьютерных программ, которые построят вам гистограмму по собранным измерениям выбранного показателя (параметра) на многих изделиях. Но анализировать гистограмму и делать по ней выводы должен специалист. К сожалению, в этом вопросе нередки определенные заблуждения, в частности, заключения о стабильности или нестабильности наблюдаемого процесса далеко не всегда бывают достаточно обоснованы.

Термин «стабильность» означает неизменность свойств (поведения) объекта во времени. Но стабильно — еще не значит хорошо и качественно. Например, один школьник может стабильно учиться на «пятерки», а другой — на «двойки», никакого противоречия здесь нет. Однако стабильность важна для уверенности в адежности статистического прогноза. Если мы знаем, что объект (процесс) ведет себя стабильно, то это означает, что в будущем он с большой вероятностью будет вести себя так же, как и в предыдущие периоды наблюдения. И для такого объекта (процесса) можно сделать достаточно точный прогноз уровня несоответствий, конечно, если он будет поддерживаться в том же стабильном состоянии. Основным и недорогим инструментом анализа стабильности процесса до сих пор является контрольная карта Шухарта [6], она — один из основных обязательных инструментов в наборе «Шесть сигм».

Почему по гистограмме, особенно с большим количеством исходных данных, нельзя ничего сказать о стабильности или нестабильности процесса? Проиллюстрируем это графически.

Образно говоря, «Шесть сигм» — это большой «ящик» с инструментами, которые позволяют диагностировать, ремонтировать и даже модернизировать разнообразные сложные «машины»

На рис. 1 показаны результаты измерений нескольких выборок выпускаемых изделий в виде галочек на числовой оси. Выборки во времени идут сверху вниз. А далее все они объединены в одну общую большую выборку, по которой построена гистограмма, показанная внизу. Как видим, она, хоть и «с трудом», но все же поместилась в поле допуска с заданными нижней (LSL) и верхней (USL) границами. Здесь отдельные выборки характеризуются широким разбросом значения измеряемого параметра. Но между собой все они схожи, поскольку существенно не различаются ни по величине разброса, ни по среднему значению. Это — пример статистически стабильного процесса.

Заметим, что с точки зрения уверенности (прогноза) попадания в допуск данный процесс — не очень качественный. Наблюдаемые в данных выборках изделия не дали ни одного вылета за пределы допуска, однако, если продолжать этот стабильный процесс далее, то ожидаемый уровень несоответствий может составить десятые доли и даже единицы процентов. Оценка уровня несоответствий здесь может быть сделана по нормальному закону распределения.

На рис. 2 показан случай иного поведения процесса, когда выборки существенно отличаются друг от друга по среднему значению. Это — пример статистически нестабильного процесса. Однако гистограмма, построенная по общей выборке того же объема, имеет вид, весьма схожий с первой гистограммой. Здесь также ни одно из изделий не показало вылетов за пределы границ допуска. Но в этом случае прогноз уровня несоответствий вообще сделать нельзя, поскольку процесс нестабилен, и что от него ожидать далее — непонятно.

Сам факт нестабильности свидетельствует о том, что персонал не умеет «обращаться» с данным процессом, поддерживать его в статистически стабильном состоянии. Такие процессы очень не любят грамотные заводы-потребители, особенно если речь идет о ключевых параметрах продукции. Ибо от такого поставщика можно в будущем ждать любых «сюрпризов» в виде очень высокого уровня несоответствий.

Итак, оба рассмотренных процесса не являются качественными с точки зрения уровня несоответствий. Но меры, которые нужно предпринимать в первом и втором случаях, — совершенно разные. И непонимание этого приводит к неправильным техническим решениям и значительным потерям денег и других ресурсов. А различить эти случаи на основании уже проведенных измерений, сгруппированных в выборки, очень легко. Для этого нужно построить контрольную карту Шухарта для анализа процесса. К тому же она даст много другой полезной информации, не требующей дополнительных затрат на выборочные измерения.

РЕЗЮМЕ

Таким образом, по гистограмме нельзя сделать однозначный вывод о стабильности или нестабильности процесса. Исключение могут составлять только случаи, когда гистограмма, построенная по большому объему выборки (нескольких сотен или даже тысяч измерений) имеет явно выраженные «провалы». Тогда можно с уверенностью сказать, что процесс нестабилен во времени или характеризуется какими-то другими видами неоднородности. И их следует тщательно изучать, применяя не отдельно взятый метод, а весь набор статистических и иных инструментов методологии «Шесть сигм».

ИСТОЧНИКИ

1. Панде П., Холп Л. Что такое «Шесть сигм»? Революционный метод управления качеством. М.: Альпина Бизнес Букс, 2006. 158 с.
2. Juran’s Quality Handbook. 5th ed. / Ed. by J.M. Juran, A.B. Godfrey. New York: McGraw-Hill, 1999. 1697 p.
3. ГОСТ Р ИСО 13053-1—2015. Статистические методы. Количественные методы улучшения процессов «Шесть сигм». Часть 1. Методология DMAIC.
4. Статистические методы повышения качества / Под ред. Х. Кумэ. М.: Финансы и статистика, 1990. 336 с. 
5. Шпер В.Л. Инструменты качества и не только! Часть 4. Анализ вариабельности данных с помощью гистограмм // Методы менеджмента качества. 2021. № 6. С. 50—55.
6. Розно М.И., Касторская Л.В. Пора заняться техпроцессом. 3-е изд. Н. Новгород: Приоритет, 2019. 119 с.